新冠肺炎疫情趋势预测模型

• 作者: 甘雨 吴雨 王建勇
• 来源期刊: 智能系统学报
• 关键词: 新型冠状病毒 SEIR模型 长短期记忆网络 智能系统 预测模型 实时预测 神经网络 深度学习
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 人工智能基础|Fundamentals of Artificial Intelligence
• 页码范围: 528-536
• 页数: 9页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.11992/tis.202008037

摘要

2019年新型冠状病毒肺炎(corona virus disease 2019,COVID-19)的爆发对人们的健康和生活造成了极大的危害和影响.预测疫情的发展趋势可帮助人们提前制定应对措施.SEIR模型是经典的传染病模型之一,由于该模型中病毒传染率为常数,难以对新冠肺炎传播情况进行准确建模并完成疫情趋势预测.针对此问题,本文提出基于长短期记忆网络(long short-term memory,LSTM)的病毒传染率预测方法,并将其与SEIR模型结合,建立新冠肺炎疫情趋势预测模型(LSTM-SEIR network,LS-Net).为了验证本文提出的方法,收集了国内多个省市官方公布的疫情数据进行实验.实验结果表明,本文提出的LS-Net可对疫情发展趋势进行有效预测,并优于传统SEIR模型.